智能推荐策略下的数字素养教育课程设计*

●王兆平 叶 茜 (长沙民政职业技术学院 长沙 410004)

大数据、人工智能、新媒体等新技术的应用，对传统的信息素养教育提出了新挑战。《新媒体联盟地平线报告：2017图书馆版》明确提出“推广数字素养是图书馆的核心责任”，肩负着“信息服务”与“教育”双重职能的高校图书馆，理应承担起在数字素养教育方面的责任与义务，以数字素养教学为主旨，重构信息素养教育。

1 课程设计背景：数字素养的概念及其发展.

2017年国际图书馆协会和机构联合会(IFLA)发布《国际图书馆协会和机构联合会数字素养宣言》(以下简称《宣言》)，对数字素养的概念和作用定义为：个体利用数字工具并发挥其潜能的能力，具备数字素养意味着可以在高效、有效、合理的情况下最大限度地利用数字技术，以满足个人、社会和专业领域的信息需求[1]。宣言对数字素养包含的技能与理解做了如下诠释：一是基本技能，包括如计算机操作、文字、表格等工作应用软件的熟练使用、信息检索与网上金融、网络运作知识、数据的安全处理与隐私防护等；二是新技术应用，包括如博客、词条等的编辑、互动，网页元素表达、新媒体工具的创新应用等；三是意识形态，包括网络开放环境下法律法规、信息伦理与全球公民意识等的教育与认知，等等。

欧美等一些国家从政府层面开展了对数字素养的研究与实施，如2015年欧盟推出了数字素养框架DigComp2.1，将数字素养列为欧洲公民必备的核心素养之一[2]。2007年美国教育部制订了“21世纪技能框架”，强调了在经济全球化和社会信息化背景下的学习者应具备的数字素养等基本技能[3]。2016年英国联合信息系统委员会发布了《数字能力框架》六成分模型，涵盖实用技能、批判性使用、创造性制作、参与、发展和自我实现等方面。日本文部省主持开展“信息教育”工作，强调对个体创造性与表现能力的培养，培养公民在接受媒介信息能力方面具有多样性和层级性等[4]。在国内，数字素养教育与研究实践活动相对零散，部分高校将诸如网络道德、数据安全等内容嵌入到不同专业的课程学习中，虽然呈现了一部分数字素养的教育内容，但缺乏专业的数字素养教育资源平台，尚未形成完备的数字素养教学体系和模式。

2 课程设计依据：信息素养教育存在的问题

2.1 教育对象的新问题

据中国互联网络信息中心(CNNIC)2018年8月发布的第42次《中国互联网发展状况统计报告》显示[5]，截至2018年6月，我国网民规模达8.02亿，普及率为57.7%；其中学生群体达到了24.8%，数字化终端已成为当代大学生接收信息和认识世界的最常用工具，而这个阶段正是大学生群体的世界观、人生观、价值观形成的关键时期，他们的求知欲、进取心都比较强，一方面能充分利用数字化时代的便捷，不断地探索学习，另一方面也面临着信息接收和认知上的困境。例如，缺乏信息选择和鉴别的能力，对于垃圾信息与负面信息等容易盲目接收和扩散；价值取向突破物理空间的限制，主流价值观念受到多方面的冲击；匿名的虚拟化身份，使得网络失范行为极易发生；碎片化阅读导致潜力退化[6]；信息获取能力单一，缺乏综合数字检索能力[7]；缺乏数据分析利用和批判性的评价统计结果的能力[8]，等等。

2.2 教学内容与模式的陈旧性

教育部高校图书情报工作委员会通过调研发现,信息素养教育“有70.29%的高校以“文献/信息检索”为课程名称,教学内容多与文献检索相关”[9]。这说明在高校延续多年的信息素养教育里，主要强调的是培养学生信息检索技能，并没有开展针对如何甄别信息、如何对信息进行批判性认知、如何进行数据背后的信息挖掘等等的教育。虽然有一些高校进行了教学模式与方法上的创新,如翻转课堂、MOOC、微课教学等,但数量还较少,约占30%左右[10]。学生不能形成“利用数字工具并发挥其潜能的能力，能在高效、有效、合理的情况下最大限度地利用数字技术，以满足个人、社会和专业领域的信息需求”[11]。

3 课程设计路径：以智能推荐为策略，重构信息素养教育

3.1 教学内容框架设计

数字素养是一个综合的、动态的和开放的概念，包括通用性数字素养、创造性数字素养与跨学科数字素养等3个层面[12]。因此，在构建数字素养教学内容框架时，按照数字素养意识的培养与引导、数字时代所需具备的知识与能力、数字环境生存所必备的操作技能等三个层面来设计，包括信息素养、媒介素养、科学数据管理素养以及信息与通信技术素养等四个部分，并在此基础上，进一步分解细化，确定出19个能力培养方向和若干个能力支撑知识点，详见图1。

图1 数字素养教学内容框架构成

3.2 教学过程流程设计

(1)培养准备阶段。以校园大数据平台中知识服务社区行为智能分析引擎的学习者网络行为画像为基础，对登录用户进行数据分析，评估学习者的数字化操作能力水平，生成个性化的学习策略。

(2)迭代学习阶段。将数字素养在线学习资源内容划分成素养意识引导、素养基础知识和数字操作技术等类型，根据不同的类型配套教学资源，设计不同的教学过程观测指标，实时采集分析，动态评测反馈学习效果，在迭代中实现知识的深化和素养技能的培养。

(3)实际操练阶段，指导教师以在线观测者的角色参与小组协作训练或通过线上线下相结合的方式评估实训操作情况。主要开展针对数据时代生存能力常用工具操作专项训练、项目式小组协作综合应用训练、延展阅读分享交流训练等。

(4)结果评价阶段，采集学习者学习行为数据，并结合实训操作环节指导老师的操作评价结果，运用不同的分析方法和数据模型进行最终的培养结果鉴定(见图2)。

图2 数字素养教学过程构成

3.3 构建智能推荐学习策略引擎

数字化时代，用户的所有学习行为轨迹都能进行数据分析，因此，在重构教学内容与教学过程的基础上，依托机器学习与深度神经网络等信息技术，利用学习者的附加信息以及学习过程中的隐式数据，通过TF-TDF向量模型和矩阵因子分解等技术，进行学习者相似度与聚类分析，从而构建起数字素养教学全程中有针对性的个性化智能推荐学习策略。智能推荐学习策略引擎生成原理如图3所示，具体实现步骤如下。

图3 教学过程数据分析引擎图

(1)利用学习者的静态附加数据，以及校园大数据平台提供的学生网络行为画像标签数据等外部信息矩阵来分析，采用K-Means(K均值)聚类算法对学习者进行聚类分析。

(2)利用学习资源内容数据，找出文档中关键词归一化词频值TF和反文档频率IDF,根据两个子量的乘积计算出TF-IDF权值，生成TF-IDF精简向量。再利用预录入的 OWL数字素养本体知识图谱和余弦相似度算法构建知识关联的学习导览地图。

(3)利用前端代理(page-side)直接获得学习者在使用学习平台网站的交互情况和隐性学习行为数据。例如，知识点页面的停留时间、跳出率、回访次数、回访相隔天数等，结合软件平台的过程测试等显性数据，对学习者学习成效进行分析。学习引导引擎通过基于主成分分析(PCA)矩阵特征值分解计算的标准统计方法，过滤得到数据中的“最重要”的方面，实现预处理降维。再按照各知识路径分支点和当时学习累计增量分值的情况差异，结合历史数据提供学习偏好Top-N资源推荐，从而达到学习引导的作用。分析过程分为两步。

第一步，计算各个邻接知识点资源devj,i平均偏差值：

(1)

第二步，将所有邻接知识点资源devj,i平均偏差值组合计算所有学习路径分支点资源的推荐值pred(u,j)，在实际运用过程中可以根据每个学习路径分支点重要性增加相应的权重wi，以调整学习路径推荐内容：

(2)

(4)根据学习效果达成度和实操成绩数据导入情况，系统将通过PIPPER算法从数据中抽取决策规则，利用Recall召回率计算不断修正决策规则，实现分类决策树的动态调整机制。

(5)利用预设的分类决策树及其算法对学习者的培育结果予以评定。

4 智能推荐策略的课程设计对信息素养教育的成效分析

从教学内容框架的设计上来说，该框架增加了信息融合与创新应用能力的培养，强化了信息梳理、知识内化和技能转化等内容，有助于提升信息素养。在内容设计上重视发展批判性思维，突出了文化和政治背景的作用[8]，促进大学生信息素养深层次的评判能力的形成，媒介素养得以强化。框架增加了大数据基本知识及数据可视化的相关内容，注重批判性的评价统计结果的能力，突出了数据意识[13]。对8个数字生活所必备的支撑性数字操作技能训练科目的设计则为大学生应对未来，具备完善的技术素养提供了基础能力保障。

从教学过程来说，基于用户行为的数据抓取，在课程培训准备阶段便对个体差异、信息沟壑现象进行识别，为下一环节的个性化学习策略的生成提供了数据支撑。而基于学习地图的迭代学习方式，以及基于网络的协同学习方式，能有效促进数据技能融合，实现深度理解数字素养的本质、融合创新应用数字技能的目标。